Rerank

介绍

Rerank 是一种语义搜索工具，它通过基于语义的重新排序系统提高搜索质量，该系统可以根据上下文理解用户查询的含义，而不仅仅是关键字相关性。此工具最适合与查找工具一起使用，作为初始检索后的排序器。当前支持的排序方法列表如下。

名称	描述
BM25	BM25 是一种开源排序算法，用于衡量文档与给定查询的相关性
Scaled Score Fusion（缩放分数融合）	Scaled Score Fusion 计算缩放后的相关性分数。
Cohere Rerank	Cohere Rerank 是市场上领先的重新排序模型，用于语义搜索和检索增强生成（RAG）。

要求

• 对于 AzureML 用户，该工具已安装在默认映像中，无需额外安装即可使用。

• 对于本地用户，

  pip install promptflow-vectordb

先决条件

BM25 和 Scaled Score Fusion 作为默认的重新排序方法。要使用 Cohere Rerank 模型，您应该为该模型创建无服务器部署，并按如下方式建立工具与资源之间的连接。

• 添加无服务器模型连接。在“API base”和“API key”字段中填写您的无服务器部署信息。

输入

名称	类型	描述	必填
query	字符串	与您的输入文档相关的问题	是
ranker_parameters	字符串	要使用的排序方法类型	是
result_groups	object	要重新排序的文档块列表。通常这是查找的输出	是
top_k	int	要返回的最大相关文档数	No

输出

返回类型	描述
text	实体的文本
metadata	元数据，如文件路径和 URL
additional_fields	元数据和重新排序分数

输出

[
  {
      "text": "sample text",
      "metadata":
      {
          "filepath": "sample_file_path",
          "metadata_json_string": "meta_json_string"
          "title": "",
          "url": ""
      },
      "additional_fields":
      {
          "filepath": "sample_file_path",
          "metadata_json_string": "meta_json_string"
          "title": "",
          "url": "",
          "@promptflow_vectordb.reranker_score": 0.013795365
      }
  }
]